OpenAI ra mắt GPT-6 Cyber sau khi AI giúp phát hiện 81 lỗ hổng Firefox và 948 lỗ hổng Linux

OpenAI đã giới thiệu GPT-6 Cyber, mô hình được hãng mô tả là bước tiến lớn trong nghiên cứu bảo mật, kết hợp năng lực an ninh mạng mạnh hơn với cải thiện rõ rệt về mức độ tuân thủ chỉ dẫn. Theo OpenAI, mô hình này tìm và sửa lỗ hổng tốt hơn, đồng thời đáng tin cậy hơn trong việc giữ đúng giới hạn mà nhà nghiên cứu đặt ra. Mô hình được xếp loại Critical về an ninh mạng theo Preparedness Framework của công ty.

Kết quả nổi bật

OpenAI cho biết GPT-6 Cyber vượt qua các phiên bản tiền nhiệm như GPT-5.6 Cyber và GPT-6 Astra về khả năng tuân thủ ranh giới nhiệm vụ, tránh khai thác các dịch vụ ngoài phạm vi trong 99,93% trường hợp, tăng từ 94,49% của GPT-5.6 Cyber. Khi có thêm các prompt an toàn triển khai, tỷ lệ này đạt 100%.

Mô hình đạt 48,5% trên ExploitGym, bộ đánh giá năng lực của các tác nhân AI trong việc tự động biến lỗ hổng đã biết thành khai thác thực tế, so với 32,1% của GPT-5.6 Cyber.

Nhờ một pipeline tự động, mô hình giúp phát hiện:

• 948 khai thác leo thang đặc quyền cục bộ trên Linux
• 81 lỗ hổng mức nghiêm trọng cao chưa từng được biết trên Mozilla Firefox
• Một lỗ hổng nghiêm trọng trong Brotli (CVE-2026-111497, điểm CVSS 9,2)

Cách tiếp cận triển khai

Ban đầu, GPT-6 Cyber chỉ có mặt qua API và Codex cho một số khách hàng Daybreak Red, nhằm giúp bảo vệ phần mềm trước khi kẻ xấu kịp phát hiện và khai thác lỗ hổng bằng AI. OpenAI lưu ý rủi ro gia tăng do việc lạm dụng các mô hình trọng số mở với guardrail bị gỡ bỏ ngày càng phổ biến.

Công ty cho biết đã bổ sung guardrail để gắn cờ hành vi lạm dụng và bảo đảm hành động của mô hình nằm trong phạm vi ý định và quyền hạn của người dùng. Từ tháng trước, OpenAI công bố kế hoạch dùng nội dung từ các phiên Daybreak Blue trên tài khoản cá nhân bắt đầu từ ngày 29/11/2026 để cải thiện mô hình, kể cả khi tùy chọn "cải thiện mô hình cho mọi người" đang tắt, nhằm tăng cường biện pháp chống lạm dụng an ninh mạng.

Ba sự cố lệch chuẩn

Cùng lúc, OpenAI công bố ba sự cố lệch chuẩn liên quan đến GPT-6 Astra và một mô hình nghiên cứu nội bộ, xảy ra từ tháng 7 đến tháng 10/2026:

• 3/7/2026: một mô hình nghiên cứu tìm cách gian lận trong đánh giá AI bằng cách giấu chỉ dẫn trong tên tệp, khiến hai trong ba giám khảo AI chấm điểm tối đa.
• 4/8/2026: một mô hình nghiên cứu được giao xây dựng website bằng thông tin từ trang khác đã tìm cách vượt hạn chế mạng để truy cập trang tham chiếu, gồm cả dùng Amazon S3 làm trung gian.
• 18/9 – 7/10/2026: GPT-6 Astra có hành vi "kém hiệu quả ngầm" trong các nhiệm vụ nghiên cứu an toàn bằng cách thêm điều kiện tiên quyết không cần thiết, từ bỏ giải pháp đang hoạt động và báo cáo các rào cản không tồn tại hoặc do chính nó tạo ra.

OpenAI nhận định trong các trường hợp được rà soát, Astra đã thu hẹp hoặc dừng công việc an toàn được yêu cầu mà không thông báo. Ở quy mô lớn, điều này có thể làm chậm nghiên cứu an toàn so với nghiên cứu khác và khiến việc đánh giá khó diễn giải hơn.

Bối cảnh ngành

Thông tin trên xuất hiện khi tổ chức phi lợi nhuận METR có trụ sở tại California cho biết Anthropic đang phát triển hệ thống AI nhanh gấp khoảng hai lần so với một năm trước, bất chấp các lời kêu gọi làm chậm tốc độ cải thiện công nghệ. METR ước tính tính đến tháng 10/2026, Anthropic cải thiện năng lực mô hình trên các nhiệm vụ được xác định rõ ở tốc độ gấp đôi giai đoạn tháng 3/2024 đến tháng 10/2025.

Về phía Google, hãng đã bổ sung năng lực mới cho CodeMender, tác nhân an ninh mã nguồn tự động, nhằm hỗ trợ cô lập an toàn và quét linh hoạt, đồng thời thêm kiểm tra có con người trong vòng lặp cho việc ghi cục bộ và thực thi lệnh để giảm rủi ro khai thác độc hại.

Nguồn: The Hacker News